Autoregressive Networks With Dependent Edges
We propose an autoregressive framework for modelling dynamic networks with dependent edges. It encompasses the models which accommodate, for example, transitivity, density-dependent and other stylized features often observed in real network data. By assuming the edges of network at each time are independent conditionally on their lagged values, the models, which exhibit a close connection with temporal ERGMs, facilitate both simulation and the maximum likelihood estimation in the straightforward manner. An estimator for each component parameter is proposed based on an iteration based on a projection. Based on a martingale difference structure, a non-normal asymptotic distribution of the estimator is derived without the stationarity assumption. We illustrate with several applications.
Réseaux autorégressifs avec arêtes dépendantes
Nous proposons un cadre autorégressif pour la modélisation des réseaux dynamiques avec arêtes dépendantes. Il englobe les modèles qui tiennent compte, par exemple, de la transitivité, de la densité et d'autres caractéristiques stylisées souvent observées dans les données de réseaux réels. En supposant que les arêtes du réseau à chaque moment sont indépendantes conditionnellement à leurs valeurs décalées, les modèles, qui présentent un lien étroit avec les ERGM temporels, facilitent à la fois la simulation et l'estimation du maximum de vraisemblance d'une manière directe. Nous proposons un estimateur pour chaque paramètre de composant sur la base d'une itération fondée sur une projection. Sur la base d'une structure de différence martingale, nous dérivons une distribution asymptotique non normale de l'estimateur sans l'hypothèse de stationnarité. Nous illustrons notre propos par plusieurs applications.
Date and Time
-
Langue de la présentation orale
Anglais
Langue des supports visuels
Anglais